创新及产品管理能力建设项目 – 第 29 页 – 联合国创新及产品管理能力建设项目(UNSDGT)

什么是梯度检查点（Gradient Checkpointing）？

梯度检查点（Gradient Checkpointing）是一种在深度学习训练中用于优化内存使用的关键技术，它通过选择性地保存和重新计算神经网络中的激活值（activations），在反向传播过程中显著减少内存消耗。具体而言，该方法仅存储部 […]

服务级别指标（Service Level Indicator, SLI）是用于量化服务性能的具体测量指标，它定义了服务在关键方面的可观测表现，例如可用性、延迟、错误率或吞吐量。SLI作为服务级别目标（SLO）的基础，提供客观数据以评估服务是 […]

MLOps（Machine Learning Operations，机器学习运维）是人工智能领域中的一套实践和方法论，旨在标准化和自动化机器学习模型的整个生命周期管理，包括开发、测试、部署、监控和维护等环节。它借鉴DevOps的理念，通过工 […]

智能决策是指通过人工智能技术模拟或增强人类决策过程的系统，它利用机器学习、数据分析和优化算法处理复杂信息，识别模式并预测结果，从而在不确定性环境中做出高效、准确的选择。这种决策方式强调数据驱动和自动化，能够超越传统方法的局限，广泛应用于商业 […]

强化学习环境是强化学习系统中智能体（agent）与之交互的外部世界或模拟场景，它定义了智能体所处的情境框架。在这个环境中，智能体基于当前状态执行动作，环境则根据动作返回新的状态和相应的奖励信号，从而引导智能体学习最优行为策略；环境的关键要素 […]

模拟环境（Simulation Environment）是一种通过计算机技术构建的虚拟场景，旨在精确模拟现实世界中的物理规则、动态变化或特定情境，以便人工智能系统能在其中进行训练、测试和优化。它提供了一个安全、可控的平台，让AI通过反复实验 […]

具身智能（Embodied AI）是人工智能的一个分支，它强调智能体通过拥有物理或虚拟的身体来感知、交互和学习环境，从而发展出适应性和认知能力。这种智能形式源于具身认知理论，主张智能不能脱离身体而孤立存在，而是通过身体与环境互动来实现任务执 […]

机器人学习（Robot Learning）是人工智能领域的一个重要分支，专注于通过机器学习技术让机器人从环境交互和经验数据中自主提升行为能力和决策水平。它融合了强化学习、模仿学习等方法，使机器人能够适应新场景、学习复杂任务并优化执行策略，从 […]

代码基础模型（Code Foundation Models）是一种在人工智能领域专门针对计算机代码理解和生成而设计的大型预训练模型，它通过在庞大的代码数据集上进行训练，掌握了编程语言的语法、语义和模式，能够在特定任务如代码自动补全、代码生成 […]

语音基础模型（Speech Foundation Model）是一种基于大规模语音数据预训练的大型人工智能模型，它通过深度学习架构（如Transformer）学习通用的语音表示，从而支持多种语音处理任务，包括语音识别、语音合成、语音情感分析 […]